Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Libro Catedra Estada y Probabilidad Unlam
Libro Catedra Estada y Probabilidad Unlam
0(XJHQLDQJHO
I.S.B.N. 987-9082-31-7
C&C Editorial
$ORVGRFHQWHV
(OPRWLYRTXHPHLPSXOVyDODUPDGRGHHVWHPDWHULDOIXH
HO SHQVDU TXH SRGUtD VHUYLU SDUD TXH HQ pO DOJXQRV GRFHQWHV
HQFRQWUDUDQ XQD PRGDOLGDG DOWHUQDWLYD SDUD GHVDUUROODU HQ HO
DXODORVWHPDVSURSXHVWRV
(OHVTXHPDGHWUDEDMRTXHSURSRQJRQRHVHO~QLFRSRVL
EOH7DPSRFRVR\OD~QLFDGRFHQWHTXHORKDOOHYDGRDODSUiF
WLFD/RTXHVtSXHGRDILUPDUHVTXHDWUDYpVGHVXDSOLFDFLyQ
KHORJUDGRREWHQHUORVPHMRUHVUHVXOWDGRVFRQORVDOXPQRV
7DQWRXVWHGHVFRPR\RFRWLGLDQDPHQWHQRVHQIUHQWDPRV
DO GHVDItR TXH LPSOLFD HQVHxDU \ HQFRQWUDU ORV FDPLQRV PiV
DGHFXDGRV SDUD OOHYDU DGHODQWH HO SURFHVR GH HQVHxDQ]D
DSUHQGL]DMH3RUHVHPRWLYRFRQItRHQTXHHVWHPDWHULDOSRGUi
UHVXOWDUOHV~WLO
(O SUHVHQWH WUDEDMR QR SUHWHQGH VHU XQ FRPSHQGLR GH
3UREDELOLGDG\(VWDGtVWLFD(QpOPHKHOLPLWDGRDH[SRQHUORV
WHPDV TXH FRQVLGHUR PiV UHOHYDQWHV SDUD VX HQVHxDQ]D HQ OD
(VFXHOD
0(XJHQLDQJHO
I
1',&(
7(0$3*,1$
3ULPHUDSDUWH(VWDGtVWLFD
,QWURGXFFLyQ--------------------------------------------------------------------------------
'LVWLQWRVWLSRVGHYDULDEOHV
Variables cualitativas y cuantitativas.---------------------------------------------------
1
$QiOLVLVGHYDULDEOHVFXDOLWDWLYDV
Primer ejemplo: una variable cualitativa no ordenable.------------------------------Frecuencia absoluta.Tabla de distribucin de frecuencias.Diagrama de Barras.
Medida de Posicin: Modo. Frecuencias relativas y porcentuales. Diagrama
Circular.
Segundo ejemplo: una variable cualitativa ordenable.-------------------------------Frecuencias acumuladas. Medida de Posicin: Mediana.
Tercer ejemplo: dos variables.-----------------------------------------------------------Tabla de distribucin conjunta. Diagrama de barras adyacentes.
2
7
10
$QiOLVLVGHYDULDEOHVFXDQWLWDWLYDV
Primer ejemplo: una variable cuantitativa discreta.------------------------------------ 13
Diagrama de Bastones y de Puntos. Medida de Posicin: Media Aritmtica.
16
Segundo ejemplo: dispersin.-----------------------------------------------------------Medidas de Dispersin: Rango o amplitud, Varianza y Desvo standard.
Tercer ejemplo: una variable cuantitativa continua.----------------------------------- 20
Intervalos o Clases.Tabla de distribucin de frecuencias para variables cuantitativas continuas. Histograma y Polgono de frecuencias. Ojiva. Clculo de las
medidas para variables cuantitativas continuas: Media aritmtica, Varianza,
Desvo, Modo y Mediana.
8QWLSRGHFRPSDUDFLyQ
Primer ejemplo: dos conjuntos de datos con igual media y distinto desvo.------ 30
Segundo ejemplo: dos conjuntos de datos con distinta media y distinto desvo.- 31
Coeficiente de variacin.
8QSUREOHPDGLVWLQWR--------------------------------------------------------------------- 33
(MHUFLFLRLQWHJUDGRU-------------------------------------------------------------------------- 37
6HJXQGDSDUWH3UREDELOLGDG
II
,QWURGXFFLyQ------------------------------------------------------------------------------- ([SHULPHQWRV
39
Experimentos aleatorios.---------------------------------------------------------- 40
(VSDFLRVPXHVWUDOHV\VXFHVRV
Primer ejemplo: Espacios muestrales.--------------------------------------------------Segundo ejemplo: Sucesos.--------------------------------------------------------------Tercer ejemplo: Operaciones entre sucesos. Sucesos mutuamente excluyentes.
41
42
43
'HILQLFLyQGHSUREDELOLGDG
Definicin axiomtica de probabilidad.------------------------------------------------- 45
&yPRDVLJQDUSUREDELOLGDGHV
Primer ejemplo.----------------------------------------------------------------------------Espacios muestrales equiprobables.La teora clsica de la probabilidad.
Segundo ejemplo.--------------------------------------------------------------------------La teora frecuencial de la probabilidad.
&XDQGRORVVXFHVRVQRVRQPXWXDPHQWHH[FOX\HQWHV
Ejemplo.--------------------------------------------------------------------------------------
'HSHQGHQFLDHLQGHSHQGHQFLDGHVXFHVRV
Primer ejemplo: Probabilidad condicional. Probabilidad de la interseccin.----Segundo ejemplo: Diagrama de rbol.--------------------------------------------------Tercer ejemplo: Sucesos independientes.----------------------------------------------
47
49
51
53
55
57
$SOLFDQGRORDQWHULRU
Primer ejemplo: Probabilidad total.------------------------------------------------------ 59
Segundo ejemplo:Probabilidad de las causas.----------------------------------------- 60
9DULDEOHDOHDWRULD\GLVWULEXFLRQHVGHSUREDELOLGDG
Primer ejemplo: Variable aleatoria.------------------------------------------------------ 62
Funcin de probabilidad de una variable aleatoria discreta. Esperanza.
Segundo ejemplo: Funcin de densidad de probabilidad de una variable aleato- 65
ria continua.
0RGHORV
Primer ejemplo: Modelo Binomial.------------------------------------------------------ 68
Segundo ejemplo: Modelo Normal. Funcin Normal Standard.-------------------- 71
5HVSXHVWDDHMHUFLFLRVSURSXHVWRV------------------------------------------------ 76
%LEOLRJUDItD--------------------------------------------------------------------------- 82
III
(67$'67,&$
,1752'8&&,1
La funcin principal de la estadstica es elaborar principios y mtodos que nos ayuden a tomar decisiones frente a hechos inciertos.
Si la poblacin a estudiar es infinita o muy grande, es conveniente elegir una muestra, con lo cual
se disminuye el costo econmico y temporal del estudio.
En el caso de seleccionar una muestra, sta debe ser representativa de la poblacin, es decir que
debe reunir todas las caractersticas de la misma. Si la muestra es representativa, es la poblacin en
miniatura y es slamente a travs de ella que podemos inferir o extrapolar en forma vlida los resultados obtenidos a la poblacin en su totalidad.
Ver: ESTADSTICA DESCRIPTIVA. Aplicacin a un caso concreto. Sara E. Elizondo, Mara E. ngel.
Ed. Rocamora.
1
',67,17267,326'(9$5,$%/(6
Si queremos estudiar una poblacin en particular, tendremos caractersticas de ella
que nos resulten de inters; por ejemploVH[RHGDGDxRGHQDFLPLHQWRVXHOGRWLSR
GHYLYLHQGDWLSRGHWUDEDMRWLHPSRGXUDFLyQHWF. Cada una de estas caractersticas
toman distintos valores segn cada individuo que conforma la poblacin.
A estas FDUDFWHUtVWLFDV que pueden variar de un individuo a otro las denominamos
YDULDEOHV
En la tabla siguiente se presentan algunas variables y categoras o valores que ellas
pueden tomar.3
6H[R
9DULDEOHV
&DWHJRUtDVRYDORUHV
IHPHQLQRPDVFXOLQR
PDORUHJXODUEXHQRPX\EXHQR
(GDGHQDxRV
&DQWLGDGGHKHUPDQRV
$SUR[LPDGDDYDORUHQWHUR
3URPHGLRGHODVFDOLILFDFLRQHVRE
WHQLGDV
6XHOGRPHQVXDO
(Q
&DQWLGDGGHKLMRV
$OWXUDHQPHWURV
De la observacin de las variables con las que se est trabajando se puede deducir
que stas conforman dos grupos: las numricas y las no numricas.4
3
Cuando hablamos de las variables numricas o no numricas nos referimos a los verdaderos valores
que ellas pueden tomar independientemente de la codificacin que se realice a posteriori de los
mismos.
2
(MHUFLFLR
Cules de las variables cualitativas ya mencionadas son las que admiten un cierto
orden?
Las YDULDEOHVFXDQWLWDWLYDV pueden ser:
'LVFUHWDV
si se obtienen por conteo
&RQWLQXDV
si se obtienen por medicin
(MHUFLFLR
Cules de las variables anteriores son cuantitativas discretas y cules continuas?
En general y para un mejor procesamiento de los datos, a los valores de las variables cualitativas se
los suele codificar con nmeros, a pesar de que la codificacin sea cuantitativa, la variable sigue
siendo cualitativa.
3
$1/,6,6'(9$5,$%/(6&8$/,7$7,9$6
35,0(5(-(03/2
En un colegio se desea implementar una actividad extraprogramtica, dndose a
elegir entre taller de teatro, ingls o taller de msica. Para poder decidir entre alguna
de ellas se interroga a un grupo de alumnos, obtenindose los siguientes resultados:
1
$FW
7
7
0
0
,
,
,
0
7
7
1
$FW
,
,
,
,
7
0
7
0
0
,
1
$FW
0
0
,
7
,
0
,
,
0
7
1
$FW
0
,
0
,
7
0
,
,
,
0
1
$FW
,
,
,
0
0
,
7
0
,
7
4
Primer ejemplo.
)UHFXHQFLDV
DEVROXWDV
'LDJUDPDGH%DUUDV
7
$FWLYLGDG
6HGHQRPLQD02'2R02'$\VHVLPEROL]D0R DOYDORURFDWHJRUtDGHODYDULDEOH
TXHSRVHHPD\RUIUHFXHQFLD.6
Si una distribucin presenta dos valores predominantes, dos Mo, se dice que es bimodal.
Primer ejemplo.
/DIUHFXHQFLDUHODWLYDproporcin entre la cantidad de veces que aparece un valor
de la variable y el total de las observaciones.
I IQ
U
/DIUHFXHQFLDSRUFHQWXDO porcentaje.
I I
0~VLFD
7HDWUR
,QJOpV
7RWDO
)UHF
DEV
I
)UHF
UHO
I
)UHF
SRUF
I
Los porcentajes podemos representarlos en un diagrama circular.
'LDJUDPD&LUFXODU
,QJOpV
0~VLFD
7H DWUR
2EVHUYDFLRQHV
El Diagrama de Barras podra haberse realizado con cualquiera de las tres frecuencias.
Para calcular porcentajes es conveniente que las frecuencias absolutas no sean
muy pequeas.
Para comparar distintas distribuciones de una misma variable, cuando el n es
distinto en cada caso, debe utilizarse la fr o la f%.
6
Segundo ejemplo.
6(*81'2(-(03/2
Antes de implementar alguna actividad extraprogramtica, las autoridades del colegio desean conocer la opinin de los padres de los alumnos, por tal motivo se entrevist a un grupo de 105 padres.
En la entrevista se les pregunt si la implementacin de tal actividad les resultaba
una idea mala, regular, buena, muy buena o excelente. Las respuestas obtenidas se
encuentran volcadas en la siguiente tabla:
2SLQLyQ
I
0DOD
5HJXODU
%XHQD
0X\%XHQD
([FHOHQWH
7RWDO
IU
I
La variable RSLQLyQcuyas categoras son mala, regular, buena, muy buena o excelente; HVXQDYDULDEOHFXDOLWDWLYDTXHDGPLWHRUGHQ
El hecho de que la variable pueda ordenarse, nos permite acumular frecuencias, es
decir, calcular las )UHFXHQFLDV$FXPXODGDV
Cada FrecuenciaAcumulada se obtiene sumando las frecuencias anteriores a la de
la categora que se est considerando. Por ese motivo, la primera de las acumuladas
no vara y la ltima coincide con el total de las observaciones. El clculo de las frecuencias acumuladas puede realizarse tanto sobre las frecuencias absolutas, como
sobre las relativas o las porcentuales.
La frecuencia porcentual acumulada (F%) que muestra la tabla nos permite realizar
la siguiente observacin:
HOGHORVSDGUHVHQWUHYLVWDGRVRSLQDQTXHODLGHD
GHLPSOHPHQWDUXQDDFWLYLGDGH[WUDSURJUDPiWLFDHVPDOD
RUHJXODU
7
Segundo ejemplo.
Representaremos grficamente la frecuencia porcentual (f%) y la frecuencia porcentual acumulada (F%) en los correspondientes diagramas de barras.
I
)
2SLQLyQ
0%
2SLQLyQ
0%
0R %
2SLQLyQ
0DOD
5HJXODU
%XHQD
0X\%XHQD
([FHOHQWH
7RWDO
)UHFDEVI
20
25
15
5
/D0HGLDQDHVHOYDORURFDWHJRUtDGHODYDULDEOHREVHUYDGRRQRTXHVXSHUD\HVVXSH
UDGRDORVXPRSRUHOGHODVREVHUYDFLRQHV.
0H %
Segundo ejemplo.
Luego contamos los datos desde el mayor valor de la variable, el cual es la categora ( en donde
hay 5; le sumamos los 15 siguientes que corresponden a 0% y ya obtenemos 20; a stos no podemos sumarles los de % porque tendramos 60, que es mayor que 52; por lo tanto los nicos datos que se encuentran por encima de la 0H son los 20 de las dos ltimas categoras.
De ambas sumas de datos se deduce que la 0H es la categora %.
(QHOJUXSRGHSDGUHVFRQVXOWDGRVSUHGRPLQDORVTXHRSLQDQTXH
ODFUHDFLyQGHXQDDFWLYLGDGH[WUDSURJUDPiWLFDHVEXHQDLGHD
(OGHORVSDGUHVFRQVXOWDGRVRSLQDTXHODLPSOHPHQWDFLyQGH
GLFKDDFWLYLGDGHVXQDPDODUHJXODUREXHQDLGHD
2EVHUYDFLRQHV
I
(MHUFLFLR
1- Completar la siguiente tabla de distribucin de frecuencias de una variable cualitativa y graficar en un diagrama de barras utilizando f%.
;
$
%
&
'
(
)
*
7RWDO
I
10
?
?
25
?
?
?
200
IU
?
0,15
?
?
?
0,12
?
I
?
?
25
?
10
?
?
9
Tercer ejemplo.
7(5&(5(-(03/2
Los datos que se presentan en la siguiente matriz corresponden a una encuesta sobre
el hbito de fumar, realizada a los 45 alumnos del ltimo ao de un determinado
establecimiento escolar. En ella se les pregunt si fumaban y el conocimiento sobre
los efectos perjudiciales que el cigarrillo puede ocasionar en la salud.
(QF +iEHQ &LJDUU (QF +iEHQ &LJDUU (QF +iEHQ &LJDUU
1 DOXPQR 3HUMXG 1 DOXPQR 3HUMXG 1 DOXPQR 3HUMXG
1
1
6
6
1
6
1
1
1
1
1
1
1
6
1
1
1
6
6
1
6
6
1
1
1
6
1
6
6
1
1
1
1
6
6
6
6
1
6
6
6
1
1
1
1
En este caso hemos utilizado una codificacin numrica, a pesar de ello la variable sigue siendo
cualitativa.
10
Tercer ejemplo.
Para una mejor observacin de los datos volcados en la matriz, los organizamos en
la siguiente tabla.
7DEODGHGLVWULEXFLyQFRQMXQWD
+iELWRHQ
HODOXPQR
6
1
7RWDO
&RQRFLPLHQWRGHORVHIHFWRVSHUMXGLFLDOHV
7RWDO
1RKD\DOXPQRVTXHQRIXPHQ\GHVFRQR]FDQORVHIHFWRVSHUMXGLFLDOHVGHOFL
JDUULOOR
3UHGRPLQDQORVTXHQRIXPDQ\SRVHHQEDVWDQWHFRQRFLPLHQWRDOXPQRV
'HORVDOXPQRVTXHIXPDQVyORFRQRFHQEDVWDQWHORVHIHFWRVSHUMXGLFLDOHV
GHOFLJDUULOOR
3UHGRPLQDQORVDOXPQRVTXHQRIXPDQ\SRVHHQDPSOLRVFRQRFLPLHQWRVVREUH
ORVHIHFWRVSHUMXGLFLDOHVGHGLFKRKiELWR
Tercer ejemplo.
De las frecuencias marginales podemos extraer que del total de alumnos encuestados:
3UHGRPLQDQORVDOXPQRVTXHQRIXPDQGHORV
6RQ PX\ SRFRV ORV TXH GHVFRQRFHQ ORV HIHFWRV SHUMXGLFLDOHV GHO FLJDUULOOR
VyORGHORV
)XPD
1R)XPD
'HVFR
(VFDVR
$PSOLR
QRFH
FRQRF
FRQRF
(MHUFLFLR
En el club A debe reorganizarse la actividad deportiva destinada a chicos de 12 a 15
aos. La direccin de la institucin decide realizar un relevamiento, para lo cual
consulta a un grupo de socios de esa edad y anota en una tabla el sexo y el deporte
preferido por cada uno de ellos. La tabla confeccionada es la siguiente:
6H[R 'HS 6H[R 'HS 6H[R 'HS 6H[R 'HS 6H[R 'HS
3UHI
3UHI
3UHI
3UHI
3UHI
3
)
7
)
9
)
7
)
7
)
)
7
0
3
0
3
0
7
)
7
7
0
7
0
3
0
9
)
3
0
)
9
)
7
0
7
)
9
0
3
3
)
7
)
7
)
9
0
3
0
)
9
)
3
0
3
)
9
0
7
)
7
0
3
9
)
7
0
9
)
0
7
0
3
)
9
0
3
)
9
Para sexo: F-femenino. M-masculino
Para deporte preferido: V-voley. T-tenis. P-paddle
12
$1/,6,6'(9$5,$%/(6&8$17,7$7,9$6
35,0(5(-(03/2
I
I
I
)
3UHGRPLQDQORVQLxRVTXHWLHQHQVyORXQKHUPDQR
(OGHORVQLxRVWLHQHQFRPRPXFKRKHUPDQRV
Para representar grficamente la distribucin de una variable discreta utilizamos el
GLDJUDPDGHEDVWRQHVo el GLDJUDPDGHSXQWRV
13
Primer ejemplo.
;
'LDJUDPDGH3XQWRV
I
;
Al ser la variable del ejemplo cuantitativa, adems del 0R y la 0H podemos calcular otra medida de posicin, OD 0HGLD $ULWPpWLFD o 3URPHGLR, que se simboliza
X
;=
+ + + + +
El valor obtenido nos indica que para el grupo de nios consultado HOSURPHGLRGH
KHUPDQRVHV
; =
[ I + [ I + + [ P I P
; f
P
;=
Cantidad de valores
distintos de x. Siempre
es menor o igual que el
total de datos observados.
L
Primer ejemplo.
(MHUFLFLR
Para cada una de las variables de la tabla de la pgina 2, decir cul o cules de las
tres medidas de posicin, 0R0H\ ; puede calcularse y explicar por qu.
(MHUFLFLR
El dueo de una cadena de libreras quiere abrir una nueva en un cierto barrio, pero
antes de tomar la decisin, resuelve preguntarle a cada familia del vecindario cuntos hijos en edad escolar tiene y con las respuestas elabor la siguiente tabla:
+LMRVHQHGDGHVFRODU
&DQWLGDGGHIDPLOLDV
3DUDWHQHUHQFXHQWD
Muchas veces cuando se trabaja con variables cuantitativas discretas, suele aparecer
el siguiente grfico.
'LDJUDPDGHOtQHDV
Segundo ejemplo.
6(*81'2(-(03/2
En cada uno de los casos siguientes se indica la cantidad de hijos que poseen 8 familias que habitan en un edificio de departamentos.
&DVR La cantidad de hijos para
cada una de las 8 familias es:
1-1-2-2-2-2-3-3
/DPHGLDDULWPpWLFDHV
El correspondiente Diagrama
de puntos.
Media Aritmtica
/DPHGLDDULWPpWLFDHV
El correspondiente Diagrama de
puntos.
Media Aritmtica
Segundo ejemplo.
(O5DQJRHVODPHGLGDGHGLVSHUVLyQTXHQRVLQGLFDODORQJLWXGRH[WHQVLyQWRWDO
GHODGLVWULEXFLyQ.
Esta medida se calcula restndole al valor mximo de X (Xmx) el valor mnimo que
toma X (Xmn).
5DQJR ;
Pi[
-;
PtQ
Como esperbamos result menor el rango de 1., pues la variabilidad de las observaciones es menor
Esta medida no nos orienta sobre la distribucin de todos los datos, pues slo utiliza
los valores extremos.9
9DULDQ]D
/D 9DULDQ]D 9; HV XQD PHGLGD GH GLVSHUVLyQ TXH QRV LQGLFD HO FRPSRUWD
PLHQWRGHWRGDVODVREVHUYDFLRQHVFRQUHVSHFWRGHODPHGLDDULWPpWLFD.
Cuanto mayor es la variacin de las observaciones respecto de la media aritmtica,
mayor ser el valor de la varianza.
Para calcular la varianza, promediamos todas las ; ; . Es decir, promediamos
las diferencias al cuadrado entre todos los datos observados y la media aritmtica.10
Puede ocurrir que se obtenga un rango muy grande a pesar de que los datos no estn demasiado
dispersos entre s salvo los extremos, esto podra haber ocurrido si en el caso 1. la cantidad de hijos
fuera: 1, 1, 2, 2, 2, 2, 3 y 8.
10
La varianza, al ser calculada por medio de la suma de los desvos al cuadrado, respecto de la media, queda expresada en la magnitud de la variable al cuadrado. En nuestro ejemplo, la magnitud de
la variable es hijos entonces la varianza queda expresada en hijos al cuadrado y esto carece de sentido.
17
Segundo ejemplo.
Como en los casos del problema los valores que toma la variable no son todos distintos, para calcular la varianza, a cada diferencia al cuadrado la multiplicamos por
la frecuencia correspondiente. Obtenemos.
Para el caso 1.
V(X)=
8
1.2 + 0.4 + 1.2
V(X) =
=
8
2+0+2
V(X) =
=
8
4
V(X) =
8
Para el caso 2.
Obtenemos 9;
V(X) =
=
Obtenemos 9;
As como ocurri con el rango, la varianza tambin result menor para el primer
caso.
Definimos la 9DULDQ]D con la siguiente expresin:
P
9;
(X
X fi
L
18
Segundo ejemplo.
'HVYtR6WDQGDUG
V(X)
Para el caso 2.
'6 =
Como era de esperar, el desvo standard tambin result menor para el caso 1.
Con el clculo de las medidas de dispersin para los datos del ejemplo, hemos confirmado lo observado en los grficos, es decir, que a pesar de que en los dos casos la
cantidad promedio de hijos es la misma, la distribucin de los hijos para el primer
caso es menos variable, ms homognea, que para el segundo
2EVHUYDFLRQHV
Cuando se trabaja con datos de toda la poblacin, a la varianza se la suele llamar
V al desvo standard Vy a la media aritmtica P. En el caso de trabajar con una
muestra 6 6y ; respectivamente.
En este texto se estn utilizando las notaciones 9;'6\ ; para ambos casos.
(MHUFLFLR
Calcular todas las medidas de dispersin dadas para la distribucin de los datos del
ejercicio 7.
19
Tercer ejemplo.
7(5&(5(-(03/2
Para seleccionar a los nuevos ingresantes a primer ao, un colegio decide tomar una
prueba de nivel a los 50 postulantes y las calificaciones obtenidas, entre 0 y 100,
fueron las siguientes:
La variable FDOLILFDFLyQ es FXDQWLWDWLYDFRQWLQXD puede tomar cualquier valor real
comprendido entre 0 y 100. En este caso, los datos observados nos indican que el
menor valor de la variable es 39 y el mayor 100.
Cuando la variable es cuantitativa continua, es comn tener muchos datos distintos
entre s, por ese motivo, una tabla de distribucin de frecuencias en la que figure el
listado de todos los valores de la variable, como las que se confeccionaron hasta el
momento, podra ser muy extensa y de poca utilidad.11
En estos casos, se consideran intervalos para ubicar todos los valores observados de
la variable que denominamos
,QWHUYDORVR&ODVHV
Esta situacin puede presentarse tambin en casos donde la variable de estudio sea cuantitativa
discreta, presente un amplio rango y la cantidad de observaciones sea grande.
12
El procedimiento siguiente no es adecuado para distribuciones que poseen un rango muy grande
debido a valores extremos muy alejados, en estos casos, los intervalos a tomar son en general de
distinta amplitud.
20
5DQJR ;
Tercer ejemplo.
Pi[
;
PtQ
13
Este valor se calcula dividiendo por dos la suma de los lmites del intervalo / / sumndole al
Tercer ejemplo.
Una vez escogidos los intervalos para agrupar los datos, organizamos la informacin en la siguiente tabla de distribucin de frecuencias.
,QWHUYDORVGH 0DUFD
&DOLILFDFLRQHV ;II I )) )
7RWDO
U
;
Intervalo modal
Intervalo mediano
Tercer ejemplo.
Observando el grfico notamos que HO 3ROtJRQR GH IUHFXHQFLDV HQFLHUUD XQ iUHD
LJXDODODGHO+LVWRJUDPD.
Para calcular el rea encerrada por el Histograma tomamos como unidad de medida
la amplitud de los intervalos. Observamos que la base de cada rectngulo mide 1
unidad y que la altura, mide el valor de la frecuencia asociada al intervalo.
De esta manera,
HOiUHDGHOKLVWRJUDPDHV VLVHWUDEDMDFRQODVIUHFXHQ
FLDV UHODWLYDV VL VH FRQVLGHUDQ ODV IUHFXHQFLDV GH
SRUFHQWDMHV\HOWRWDOHQHOFDVRGHXWLOL]DUODVDEVROXWDV
Por ese motivo, si los intervalos son de distinta amplitud, la altura de los rectngulos no coincidir con el valor de la frecuencia con la cual se trabaja. Esta altura debe
calcularse en forma proporcional al ancho del intervalo y manteniendo el rea correspondiente.
Notemos que cuanto ms pequeos son los intervalos, ms suave es el grfico del
polgono de frecuencias. Esto significa que a medida que la amplitud de los intervalos se acerca a 0 el polgono se aproxima al grfico de una funcin matemtica que
servir de modelo terico para la distribucin.
Otro grfico de gran utilidad para este tipo de distribuciones es el de las frecuencias
acumuladas, para el que puede considerarse tanto F, como Fr F%. El grfico no
vara segn la frecuencia acumulada elegida.
Para su construccin se consideran los puntos determinados por los pares lmite
superior y frecuencia acumulada de cada intervalo. En el caso de utilizar la frecuencia acumulada porcentual, los puntos sern: (39,0), (48,8), (57,20), (66,46),...,
(93,90) y (102,100)14 . La poligonal que queda determinada por dichos puntos recibe
el nombre de 2MLYD
14
Notemos que todos los puntos de abscisa mayor o igual a 102 tienen como ordenada 100, como as
tambin todos los de abscisa menor o igual a 39 tienen como ordenada 0.
23
Tercer ejemplo.
2MLYD
;
LL0HGLD$ULWPpWLFD
X .f
i
n
43,5.4 + 52,5.6 + 61,5.13 + 70,5.9 + 79,5.7 + 88,5.6 + 97,5.5
X=
50
3498
X=
= 69,96
50
; =
24
Tercer ejemplo.
Este valor indica que OD FDOLILFDFLyQ SURPHGLR REWHQLGD SRU ORV SRVWX
ODQWHVHQODSUXHEDGHQLYHOHVGHSXQWRV.
LLL9DULDQ]D
(X
V(X) =
L
X .fi
n
50
700,13.4 + 304,85.6+..............+343,73.6 + 763,97.5
=
=
50
12082,01
=
50
9; =
LY'HVYtR6WDQGDUG
Y0RGR
DS = 15,53
Tercer ejemplo.
Punto interseccin
;
0R
Intervalo modal
(O0RHVODDEVFLVDGHOSXQWRGHLQWHUVHFFLyQGHODVGRVUHFWDVPDUFDGDVHQHOJUi
ILFR.
Se lo puede obtener hallando las ecuaciones de esas rectas y luego calculando la
abscisa del punto interseccin.
Si el clculo de las rectas y de la interseccin se efecta para puntos genricos, se
obtiene la siguiente expresin para calcular el modo:
Mo = / +
d1
a
d1 + d2
26
Tercer ejemplo.
(13 6)
.9 =
(13 6) + (13 9)
7
.9 =
7+4
7
= 57 + .9
11
= 57 +
0R
15
Para localizar el intervalo mediano, notamos que la cantidad de observaciones es 50, los tres primeros intervalos suman 23, no puedo agregar las 9 del cuarto intervalo porque superara 25, y lo
mismo ocurre con los tres ltimos que suman 18.
27
Tercer ejemplo.
)
Q
$
%
Intervalo mediano
0H
n
Amplitud del intervalo mediano
Fa
Me = / + 2
a
f
Lmite inferior del intervalo mediano
25 23
.9 =
9
2
= 66 + .9
9
Me = 68
Me = 66 +
28
Tercer ejemplo.
Este resultado indica que HO GH ORV DVSLUDQWHV REWXYLHURQ XQD FDOLILFDFLyQ
LQIHULRURLJXDODSXQWRV\HOUHVWDQWHXQDFDOLILFDFLyQVXSHULRUDSXQ
WRV
2EVHUYDFLRQHV
Cuando la variable es cuantitativa, las medidas de posicin no necesariamente
dan por resultado un valor observado.
En el caso de variables cuantitativas continuas, la mediana supera y es superada
exactamente por el 50% de las observaciones.
Si el modo, la mediana y la media coinciden, la distribucin es simtrica.
(MHUFLFLR
La siguiente distribucin de frecuencias corresponde a las horas semanales de trabajo de un grupo de docentes de enseanza media.
+RUDVGH
WUDEDMR
10-15
15-20
20-25
25-30
30-35
35-40
40-45
45-50
50-55
&DQWLGDG
GHGRFHQWHV
5
7
25
15
45
18
13
6
3
29
817,32'(&203$5$&,1
35,0(5(-(03/2
Un profesor dicta su materia en 1 A y 1 B, dos cursos de un mismo colegio.
Al iniciar el ao escolar, el profesor decidi tomarles a ambos una prueba de nivel
para evaluar el grado de conocimientos previos de los alumnos. El puntaje de la
prueba vara de 0 a 10.
Luego de organizar y resumir los puntajes de la prueba tomada a ambos cursos,
volc los resultados en la siguiente tabla:
0HGLGDV
X
'6
&XUVRV
$
%
Al observar los datos de la tabla, se puede afirmar que los puntajes de todos los
alumnos de 1 B en relacin a los del grupo de 1 A, variaron menos respecto al
puntaje promedio, es decir que estn ms concentrados alrededor de dicho promedio.
Esto significa que los alumnos de 1 B obtuvieron puntajes ms KRPRJpQHRV que
los de 1 A. El grupo 1 B es PHQRVYDULDEOH con respecto a los puntajes que el
otro grupo.16
Para extraer la conclusin anterior bast con observar los desvos de los puntajes,
dado que los promedios coinciden para ambos grupos.
En general, cuando se comparan dos o ms grupos con respecto a una misma variable, es difcil que se presente la situacin anterior donde los promedios coinciden.
Pero, a pesar de ello, es factible analizar la variabilidad de los grupos entre s.
16
Un tipo de comparacin.
Segundo ejemplo.
6(*81'2(-(03/2
Tomaremos el mismo problema que en el primer ejemplo pero con la siguiente tabla
de resultados:
0HGLGDV
X
'6
&XUVRV
$
%
Con los resultados obtenidos en este caso no podemos decidir cul de los dos cursos
presenta mayor KRPRJHQHLGDG en los puntajes.
Para este tipo de problemas necesitamos de otra medida de dispersin denominada
&RHILFLHQWHGH9DULDFLyQ
(O FRHILFLHQWHGHYDULDFLyQ&9H[SUHVDDOGHVYtRVWDQGDUGFRPRXQSRUFHQWDMH
GHODPHGLDDULWPpWLFD y se define con la siguiente expresin:
CV =
DS
100
X
Al comparar dos o ms grupos respecto a una misma variable y calcular para cada
uno de ellos el CV, este valor nos permitir decidir sobre la homogeneidad de los
mismos pues:
HO JUXSR PiV KRPRJpQHR UHVXOWDUi VHU DTXHO TXH
SRVHDHOPHQRUFRHILFLHQWHGHYDULDFLyQ.
Al calcular los CV para los dos cursos de nuestro ejemplo obtenemos:
Para 1 A
Para 1 B
2,7
.100
6
CV = 45
CV =
2,4
.100
5
CV = 48
CV =
31
Un tipo de comparacin.
Segundo ejemplo.
Puntajes obtenidos
Comisin 15-16 16-17 17-18 18-19 19-20
C1
8
20
19
13 10
C2
16
18
19
9
8
1. Para cul de los dos grupos el promedio de los puntajes result mayor?
2. Para cul de los dos grupos el puntaje result ms homogneo?
32
81352%/(0$',67,172
Ante un hecho real, las variables a analizar no siempre se presentan en forma tan
clara, como en los ejemplos tratados. Muchas veces, ciertas variables, pueden cumplir el rol de las frecuencias absolutas y la dificultad surge al calcular las medidas
que permitan extraer conclusiones.
Por ese motivo es muy importante poder identificar y clasificar la variable de inters
en un estudio.
(-(03/2
En la Direccin de Turismo de una determinada Ciudad, se buscaron los datos referidos a la entrada de turistas durante los ltimos tres aos, seleccionando slo los
meses de temporada alta. La finalidad de dicha bsqueda, es la de realizar una sntesis de la informacin que permita analizar posibles cambios con respecto a las medidas implementadas hasta el momento y de esta manera incrementar la afluencia
turstica en la ciudad.
En la siguiente tabla se presenta la informacin obtenida.
&DQWLGDGGHWXULVWDVHQPLOHVSRUPHV\DxRFRQVLGHUDGR
0HV
3ULPHUDxR 6HJXQGRDxR 7HUFHUDxR 7RWDO
'LFLHPEUH
(QHUR
)HEUHUR
0DU]R
7RWDO
33
Un problema distinto.
'LDJUDPDGH%DUUDV$G\DFHQWHV
SDUDFDQWLGDGGHWXULVWDVVHJ~QPHV\DxR
R
x
D
U
H
F
U
H
7
0DU
)HE
(QHUR
'LF
R
x
D
R
G
Q
X
J
H
6
R
x
D
U
H
P
L
U
3
De la observacin tanto de la tabla como del grfico extraemos entre otras las siguientes conclusiones:
/DPD\RUDIOXHQFLDGHWXULVWDVVHUHJLVWUyHQHOVHJXQGRDxR
'HORVFXDWURPHVHVFRQVLGHUDGRVSUHGRPLQDODHQWUDGDGHWXULVWDVHQHOPHVGH
HQHUR(VWHKHFKRVHGDHQORVWUHVDxRVHVSHFLDOPHQWHHQHOSULPHUR
Pero si consideramos OD FDQWLGDG GH WXULVWDV TXH LQJUHVDURQ VHJ~Q PHV \ DxR
como una tercera variable de estudio, podemos realizar un anlisis ms completo de
la informacin dada.
Esta nueva variable es cuantitativa discreta por tal motivo podemos calcularle todas
las medidas antes definidas, sus valores son las frecuencias que aparecen en la tabla
antes confeccionada.
Notamos que todos los valores tienen frecuencia 1, por tal motivo carece de sentido
graficar la informacin.
34
Un problema distinto.
= 364,33
2. 'XUDQWHORVWUHV~OWLPRVDxRVHOSURPHGLRPHQVXDOGHWXULVWDVTXHLQJUHVDURQ
DOD&LXGDGIXHGH
3
Pues
= 273,25
As como obtuvimos las conclusiones anteriores, podemos adems calcular el promedio mensual de turistas que ingresaron en cada uno de los tres aos, el promedio
anual de turistas para cada mes de la temporada considerado el promedio mensual
de turistas que ingresaron a la Ciudad.
50 + 76 + 90
= 72
3
35
Un problema distinto.
Enero:
X=
Febrero:
X=
89 + 110 + 96
= 98,33DS = 8,73
3
S
8,73
CV = 100 =
100 = 8,88
98,33
X
Marzo:
X=
67 + 87 + 78
= 77,33DS = 8,18
3
S
8,18
CV = 100 =
100 = 10,58
77,33
X
En los clculos realizados observamos que el coeficiente de variacin menor se obtuvo en el mes de Enero esto indica que:
3DUDODWHPSRUDGDDOWDVHREWXYRTXHHOLQJUHVRGHWXULVWDVD
OD&LXGDGUHVXOWyPiVKRPRJpQHRHQHOPHVGH(QHUR
36
(-(5&,&,2,17(*5$'25
Las autoridades educativas de cierta comunidad decidieron describir el perfil de los
docentes que se desempean en ella. Por tal motivo se seleccion una muestra de 32
docentes y los datos relevados se volcaron en una matriz.
1GHHQ 6H[R (VWDGR (GDG 6XHOGR &DQWOXJD
WUHYLVWDGR
FLYLO HQDxRV HQ
UHVGRQGH
WUDEDMD
)
)
0
0
0
)
0
0
)
)
)
)
)
0
0
)
)
)
)
0
)
)
)
0
0
)
)
)
)
0
)
)
6
&
6
'
6
6
&
&
&
'
'
&
&
&
6
&
&
&
&
'
&
&
6
6
&
&
&
6
6
6
6
6
37
352%$%,/,'$'
,1752'8&&,1
Al realizar un anlisis estadstico de un conjunto de datos provenientes de una determinada poblacin que se desea estudiar, puede ocurrir que dichos datos hayan
sido relevados de la poblacin en su totalidad o de una muestra representativa de
dicha poblacin.1
Si los datos fueron obtenidos de toda la poblacin, al organizarlos, presentarlos y
resumirlos por medio de la estadstica descriptiva, se extraern conclusiones referidas a dicha poblacin.
Pero si los datos fueron obtenidos de una muestra,al realizar un anlisis descriptivo
de los mismos slo se sacarn conclusiones referidas a esa muestra. En este caso, las
conclusiones acerca de la poblacin se debern inferir a travs de los resultados
muestrales.
En consecuencia, slo al realizar un anlisis descriptivo de toda una poblacin, las
conclusiones extradas sern acerca de dicha poblacin. En otra situacin, los resultados de la estadstica descriptiva no alcanzan, se deber transferir esos resultados
para obtener conclusiones sobre la poblacin.
Los mtodos y procedimientos que permiten inferir los resultados muestrales a la
poblacin en su totalidad corresponden a la denominada HVWDGtVWLFD LQIHUHQFLDO y
pVWDVHIXQGDPHQWDWHyULFDPHQWHHQODWHRUtDGHOD3UREDELOLGDG
$WUDYpVGHOD3UREDELOLGDGVHHODERUDQORVPRGHORVWHyULFRVHQORVTXHVHEDVD
OD(VWDGtVWLFDSDUDODWRPDGHGHFLVLRQHVDQWHODLQFHUWLGXPEUH
/DSUREDELOLGDGHVDODYH]HOOHQJXDMH\ODPHGLGD
GHLQFHUWLGXPEUH\ORVULHVJRVDVRFLDGRVFRQHOOD2
39
(;3(5,0(1726
(VVyORHQHVWHWLSRGHH[SHULPHQWRVGRQGHVHSXHGHKDEODUGHSUREDELOLGDG
En consecuencia, para la probabilidad se necesita que los experimentos a realizar
sean aleatorios.
(MHUFLFLR
Decidir cules de los siguientes experimentos son aleatorios y explicar porqu.
1- Calcular la superficie de un terreno rectangular de 10m de ancho por 25m de largo.
2- Jugar un torneo de tenis.
3- Tirar una tiza desde el fondo del aula y medir la distancia de donde cae al pizarrn.
4- Medir la altura de una planta al ao de ser plantada.
5- Determinar el desplazamiento de un mvil que se mueve durante 3h a velocidad
constante de 80 km/h.
6- Depositar $100 en una entidad bancaria y calcular el monto total a retirar luego de 2
meses, en un perodo de estabilidad econmica.
7- Depositar $100 en una entidad bancaria y calcular el monto total a retirar luego de 2
meses, en un perodo de inflacin econmica.
40
(63$&,2608(675$/(6<68&(626
35,0(5(-(03/2
En el experimento que consiste en organizar un campeonato de ftbol entre los
colegios A, B, C y D; si el inters es premiar al ganador, no podemos predecir cul
de ellos resultar premiado pero s podemos afirmar que ser alguno de los cuatro
colegios.
En consecuencia, un conjunto con todos los resultados posibles para este experimento puede ser:
E = {A, B, C, D}
A este conjunto lo denominamos HVSDFLRPXHVWUDO
8QHVSDFLRPXHVWUDOHVXQFRQMXQWRIRUPDGRSRUWRGRV
ORVUHVXOWDGRVSRVLEOHVGHXQH[SHULPHQWRDOHDWRULR
En la siguiente tabla figuran distintos experimentos y un espacio muestral correspondiente a cada uno de ellos.
([SHULPHQWR
(VSDFLRPXHVWUDO
Observar la cantidad de alumnos que faltan E = {0,1,2,...20,........n}
al colegio en el da D.
n depende de la cantidad total de alumnos.
E = {CC, SS, SC, CS}
Segundo ejemplo.
6(*81'2(-(03/2
Consideremos la siguiente situacin: Se realiza un sorteo entre 40 nmeros, del 1 al
40, cul de los nmeros ser el ganador?. En este caso el espacio muestral es:
( ^`
Ahora bien, si yo tengo todos los nmeros que terminan con 7 voy a ganar si en el
sorteo sale alguno de los resultados del siguiente conjunto
$ ^`
& (
8QVXFHVRHVXQVXEFRQMXQWRGHXQHVSDFLRPXHVWUDO
8Q VXFHVR RFXUUH FXDQGR HO UHVXOWDGR TXH VH REWLHQH HQ HO H[SHULPHQWR HV XQ
HOHPHQWRGHGLFKRVXFHVR.
En particular:
6LXQVXFHVRWLHQHXQVyORHOHPHQWRVHGLFHTXHHVXQVXFHVRHOHPHQWDO (B).
6LXQVXFHVRFRLQFLGHFRQHOHVSDFLRPXHVWUDORFXUUHVLHPSUHSRUORTXHVH
GHQRPLQDVXFHVRFLHUWR (C).
6LXQVXFHVRQRWLHQHHOHPHQWRVFRLQFLGHFRQHOFRQMXQWROXHJRQRSXHGH
RFXUULUQXQFDHVGHFLUHVHOVXFHVRLPSRVLEOH(D).
Como todo conjuntoes subconjunto de s mismo, y adems, el conjunto vaco es un
subconjunto de cualquier conjunto, tanto el suceso cierto como el suceso imposible
estn asociados a cualquier experimento aleatorio.
42
Tercer ejemplo.
7(5&(5(-(03/2
Para un torneo de ajedrez se inscribieron 6 nios de 10 aos: Mara (M), Cristina
(C), Vernica (V), Luis (L), Alejandro (A) y Gerardo (G). Se deben sortear dos nios para realizar el partido de iniciacin. Los resultados posibles del sorteo son todos los elementos del siguiente conjunto:
( ^0&090/0$0*&9&/&$&*9/9$9*/$/*$*`
$ ^0&09&9/$/*$*`
% ^0/0$0*&/&$&*9/9$9*`
& ^0/0$0*&/&$&*9/9$9*/$/*$*`
' ^09&99/9$9*`
0*&/9*09
&$
&*/$9$&9
/*9/
$*
Los elementos de
la interseccin
son los comunes
a C y D.
&XDQGR OD LQWHUVHFFLyQ HQWUH GRV VXFHVRV HV HO FRQMXQWR YD
FtRVHGLFHTXHORVVXFHVRVVRQPXWXDPHQWHH[FOX\HQWHV.
4
Como los sucesos son conjuntos, las operaciones que se pueden realizar son las mismas que las
operaciones entre conjuntos.
43
Tercer ejemplo.
Es decir que dos sucesos son mutuamente excluyentes cuando no pueden ocurrir
simultneamente. En el ejemplo, A y B son dos sucesos excluyentes.
8QLyQ
$'
0&9*ML
/$099/MA
/*MG
&99$CL
$*CA
CG (
'LIHUHQFLD
&RPSOHPHQWR
CV
LA
AG
(
2EVHUYDFLyQ
Tanto la unin como la interseccin pueden obtenerse para ms de dos sucesos.
(MHUFLFLR
Dados los sucesos A y B asociados a un experimento aleatorio, representarlos en
diagramas y sombrear las regiones correspondientes a: AB, AB, Ac, Bc, A-B y B-A
44
'(),1,&,1'(352%$%,/,'$'
Hasta ahora hemos considerado distintos tipos de sucesos de un espacio muestral
asociado a un experimento aleatorio, algunas de las operaciones entre ellos y, adems, la ocurrencia o no de un suceso.
Volviendo al ejemplo del sorteo entre 40 nmeros, del 1 al 40, en el cul el espacio
muestral es:
E = {1,2,3,4,5,.......,39,40}
Analizaremos las siguientes situaciones:
Si soy poseedor de todos los nmeros que terminan con 7 voy a ganar si ocurre
A = {7,17,27,37}
Adems de esperar que ocurra el suceso A, puedo medir su posibilidad de ocurrencia y esa medida es la que denominamos probabilidad del suceso A, denotada
P(A).
Luego
/DSUREDELOLGDGHVXQQ~PHURTXHLQGLFDODSRVLELOLGDG
TXHWLHQHGHRFXUULUXQGHWHUPLQDGRVXFHVR
Definicin de probabilidad.
Qu probabilidad tendr de ganar si adems de poseer los nmeros que terminan
con 7, tengo el nmero 30?
En este caso voy a ganar si ocurre el suceso S = {7,17,27,37,30} = A B
En este FDVR36 3$3%
3(
&02$6,*1$5352%$%,/,'$'(6
Para la asignacin de probabilidades consideraremos dos de las principales teoras:
ODWHRUtDFOiVLFD\ODWHRUtDIUHFXHQFLDO.
En ambos casos consideraremos que los espacios muestrales son finitos.
35,0(5(-(03/2
En un curso de un determinado colegio se desea seleccionar a un alumno delegado.
Para ocupar el cargo se postularon en total 5 alumnos del curso, entre ellos dos mujeres (M1 y M2) y tres varones (V1, V2 y V3). La seleccin se realizar por sorteo.
Podemos pensar al conjunto de los resultados posibles en el sorteo como:
( ^90`
( ^99900`
Los dos espacios muestrales estn asociados al mismo experimento, pero en el segundo estamos distinguiendo a los alumnos postulados.
La diferencia entre ambos espacios muestrales es que en el primero, los resultados
(V o M) no tienen la misma posibilidad de ocurrir dado que hay ms varones que
mujeres. En cambio en el segundo, FDGD UHVXOWDGR R VXFHVR HOHPHQWDO WLHQH OD
PLVPDSRVLELOLGDGGHRFXUULU por ese motivo decimos que:
(HVXQHVSDFLRPXHVWUDOHTXLSUREDEOH
Por lo tanto:
8QHVSDFLRPXHVWUDODVRFLDGRDXQH[SHULPHQWRHVHTXLSUREDEOH
VLWRGRVVXVUHVXOWDGRVWLHQHQODPLVPDSUREDELOLGDGGHRFXUULU
Para este ejemplo es lgico pensar que la probabilidad de que en el sorteo salga seleccionada una mujer sea 2/5 y no 1/2.
47
/$7(25$&/6,&$'(/$352%$%,/,'$'
Primer ejemplo.
3$ =
3$
&DQWLGDGGHFDVRVIDYRUDEOHVD$
&DQWLGDGGHFDVRVSRVLEOHVHQHOH[SHULPHQWR
&DQWLGDGGHHOHPHQWRVGH$
&DQWLGDGGHHOHPHQWRVGH(
Esta definicin de probabilidad, aplicable slo a espacios muestrales finitos y equiprobables, es conocida como la GHILQLFLyQGHSUREDELOLGDGGH/DSODFH.
Aplicando esta definicin al ejemplo considerado, el espacio muestral debe ser:
E = {V1, V2, V3, M1, M2}
El suceso, sea seleccionada una mujer es: A = {M1, M2}
Con lo cual, si queremos calcular la probabilidad de que sea seleccionada una mujer, esta probabilidad ser:
P(A) = 2/5.
Este resultado coincide con el pensado anteriormente.
(MHUFLFLR
Para el ejemplo, calcular la probabilidad de que el alumno seleccionado sea:
a) varn, b) de cualquier sexo, c) ni mujer ni varn, d) M1 y e) V1 V2.
Para cada caso escribir el suceso correspondiente y relacionar los resultados obtenidos con lo expuesto hasta el momento.
48
Segundo ejemplo.
6(*81'2(-(03/2
Un vendedor de videogames, posee en stock 3 marcas distintas y del mismo precio
(A, B y C). Debe reponer su mercadera, pero puede hacerlo slo de una de dichas
marcas, por lo que decide seleccionar aquella que tenga menor probabilidad de reclamo por garanta de parte del cliente.
El vendedor tiene el problema de no saber cul es la probabilidad de reclamo para
cada marca. Lo que s puede saber, a travs de las facturas entregadas a los clientes,
es la cantidad de reclamos para cada una de ellas en los ltimos 6 meses. Con los
datos confecciona la siguiente tabla:
0DUFDGHO &DQWGHUHFODPRV
YLGHRJDPH
I
$
%
&
7RWDO
)UHFUHODWLYD
IU
Recordamos que:
Cada frecuencia relativa
vara entre 0 y 1.
La suma de todas las frecuencias relativas es 1.
Por lo tanto
Segundo ejemplo.
(MHUFLFLR
En la siguiente tabla se presenta la cantidad de hermanos y el sexo para los 45
alumnos de un curso determinado.
&DQWKHUPDQRV 9DURQHV0XMHUHV
50
&8$1'2/2668&(626126210878$0(17((;&/8<(17(6
(-(03/2
En el recreo del colegio el 15% de los alumnos compra solamente un sandwich, el
30% compra solamente golosinas y el 10% compra un sandwich y alguna golosina.
En el siguiente diagrama se muestran los porcentajes anteriores:
6*
Por lo tanto
Ejemplo.
VLGRVVXFHVRV6\*QRVRQPXWXDPHQWHH[FOX\HQWHV
36* 363*36*
(MHUFLFLR
Para los datos del ejercicio 6, si se selecciona un alumno al azar, cul es la probabilidad de que:
1. sea varn o tenga dos hermanos?
2. sea mujer o no tenga hermanos?
3. sea mujer o tenga ms de dos hermanos?
(MHUFLFLR
Para un grupo de 35 alumnos de un curso se obtuvieron los siguientes datos referidos a si es socio de algn club y cuntos deportes practica:
Si se selecciona un alumno al azar,
&DQWGHGHS 6RFLRGHDOJ~QFOXE
calcular la probabilidad de que:
TXHSUDFWLFD
6L1R
1. no practique deportes.
2. sea socio de algn club.
3. practique como mnimo un deporte.
4. no sea socio de algn club o no practique deportes.
5. sea socio de algn club o practique como mnimo un deporte.
(MHUFLFLR
La probabilidad de que un vendedor de computadoras personales le venda a un
cliente una computadora sin impresora es de 0,15; una impresora solamente es 0,05
y una computadora con la impresora es 0,25.
Si un cliente concurre al negocio, cul es la probabilidad de que le venda una impresora, una computadora, una computadora o una impresora?.
52
'(3(1'(1&,$(,1'(3(1'(1&,$'(68&(626
35,0(5(-(03/2
Usaremos los datos del ejercicio 6
&DQWLGDGGH
KHUPDQRV
7RWDO
6H[R
9DURQHV0XMHUHV
7RWDO
Para calcularla, como sabemos que el alumno es mujer el total de casos posibles
se reduce de 45 a 25, por lo que estamos ubicados en la segunda columna de la
tabla y la cantidad de casos favorables es 2. Es decir, que dentro del conjunto de
las mujeres seleccionamos a las que tienen 3 hermanos.
Luego P(3H/M)= 2/25
De la observacin de 1.,2. y 3. conclumos que:
3+ 0
3+ 0
= =
30
3+ 0
/XHJR 3+ 0
30
53
Primer ejemplo.
30 +
= =
3+
30 +
3+
3$ %
3% $
3$ % 3$ %3%
R
3% $ 3% $3$
Segundo ejemplo.
Retomaremos el ejemplo de los 5 alumnos que se postularon para ser delegados de
curso; V1, V2, V3, M1 y M2. Pero en este caso vamos a seleccionar 2 delegados y
calcular la probabilidad de que: a) los dos alumnos seleccionados sean mujer y b)
slo un alumno seleccionado sea varn.
Para calcular las probabilidades pedidas necesitamos saber cules son todas las posibilidades que existen de elegir los dos delegados, es decir, los elementos del espacio muestral E.
9
9
9
0
0
5HVXOWDGRVSRVLEOHV(
9
9
0
0
9
9
0
0
9
9
0
0
9
9
9
0
9
9
9
0
99
99
90
90
99
99
90
90
99
99
90
90
09
09
09
00
09
09
09
00
55
Segundo ejemplo.
909090909090
0909090909\09.
La otra forma de construir el diagrama del rbol es sin discriminar a los varones y
a las mujeres entre s, sta determina un espacio muestral que no es equiprobable.
Para evitar tal dificultad colocamos en cada una de sus ramas la probabilidad correspondiente, de la siguiente manera:
'LDJUDPDGHiUERO
99
0
De los 5 alumnos hay 2
mujeres, luego P(M)=2/5
09
0
390309 = P(V). P(M/V) + P(M). P(V/M) = 3/5. 2/4 + 2/5. 3/4
= 6/20
+ 6/20
= 12/20 =
Como era de esperar, los resultados no cambiaron.
56
Tercer ejemplo.
(MHUFLFLR
Para el ejemplo anterior, calcular la probabilidad de que:
a) los dos alumnos seleccionados sean varn, b) al menos uno de los alumnos seleccionados sea mujer y c) a lo sumo uno de los alumnos seleccionados sea varn.
7(5&(5(-(03/2
En una juguetera hay 8 casettes de videogames de 20 juegos cada uno. El dueo de
la juguetera sabe que 2 de ellos, en realidad, no tienen 20 juegos distintos, sino,
varias repeticiones de un mismo juego. Es decir, que vinieron fallados. Como especula con venderlos igual, tiene todos los casettes mezclados.
Si entran dos clientes a la juguetera a comprar casettes, cul es la probabilidad
de que a ambos les halla tocado los fallados?
El siguiente diagrama de rbol, en donde F indica que el casette est fallado y S
sano, nos puede guiar para el clculo de la probabilidad.
6)
6
))
6
Esta situacin es del mimo tipo que las anteriores, pero, en qu hubiera cambiado
esta probabilidad si:
. El primer cliente compra un casette y antes de que el segundo entre a comprar, lo
devuelve?
En este caso, la segunda venta se realiza sobre un total de 8 como la primera y el
diagrama correspondiente es el siguiente:
6)
6
))
6
57
Observamos que P(S/F) = P(S), P(F/S) = P(F) ......, la segunda venta no depende
de la primera. Luego:
P(S F) = P(S). P(F)
P(S S) = P(S). P(S)
(Q ORV VXFHVRV LQGHSHQGLHQWHV OD RFXUUHQFLD GH XQR GH HOORV QR LQFLGH HQ OD RFX
UUHQFLDGHORWUR
2EVHUYDFLyQ
La definicin de independencia puede extenderse a ms de dos sucesos.
Es muy importante tener en cuenta que el concepto de independencia entre sucesos es distinto al de exclusin.
(MHUFLFLR
En una caja hay 5 pilas comunes y 4 pilas de larga duracin.
1. Si se extraen dos al azar y simultneamente, cul es la probabilidad de que:
a- ambas sean pilas comunes?
b- slo una sea una pila comn?
c- ninguna sea una pila comn?
2. Si se extraen dos pilas al azar, pero reponiendo la primera extrada, cul es la
probabilidad de que:
a- ambas sean comunes?
b- slo una sea comn?
c- ninguna sea comn?
(MHUFLFLR
Cul es la diferencia entre sucesos mutuamente excluyentes y sucesos independientes?
58
$3/,&$1'2/2$17(5,25
35,0(5(-(03/2
Debe seleccionarse un alumno cualquiera de 5to ao para representar al colegio en
un acto. En el colegio hay cuatro quintos, A con 30 alumnos, B con 25, C con 35 y
D con 27 alumnos. A la vez, en A hay 10 varones, en B hay 11 varones, en C hay 20
y en D hay 12 varones. Cul es la probabilidad de que el alumno seleccionado sea
varn?
Como el alumno puede pertenecer a cualquiera de los cuatro quintos, la probabilidad de que sea varn P(V), es:
3>9\SHUWHQHFHD$R9\SHUWHQHFHD%R9\SHUWHQHFHD&R9\SHUWHQHFHD'@
Es decir:
/RVVXFHVRVVRQH[FOX\HQWHVSXHVWRTXHXQDOXPQRQRSXHGHHVWDUHQ$\%DOPLV
PRWLHPSR, entonces:
P(V) = P(V A) + P(V B) + P(V C) + P(V D)
&RPR OD SUREDELOLGDG GH 9 YD D GHSHQGHU GHO FXUVR DO TXH SHUWHQHFH HO DOXPQR,
aplicando a la probabilidad de la interseccin la definicin correspondiente, tendremos:
P(V) = P(V/A) . P(A) + P(V/B) . P(B) + P(V/C) . P(C) + P(V/D) . P(D)
Con los datos del problema construmos la siguiente tabla:
Aplicando lo anterior.
Segundo ejemplo.
Notemos que en la tabla aparece directamente cada una de las intersecciones y el
ejercicio se podra haber resuelto de la siguiente manera:
P(V) = P(V A) + P(V B) + P(V C) + P(V D)
12/117 =
(MHUFLFLR
Para este ejemplo calcular: a) La probabilidad de que el alumno seleccionado sea
mujer. b) Si el alumno seleccionado result ser varn, cul es la probabilidad de
que est en 5to A?. c) Si el alumno seleccionado result ser mujer, cul es la probabilidad de que est en 5to D?
=
10/117 + 11/117 +
20/117 +
6(*81'2(-(03/2
Un vendedor de computadoras personales, compra chips de memoria de tres fabricantes distintos;(A, B y C) en la misma proporcin. La probabilidad de que los
chips tengan alguna falla es de 0,1; 0,09 y 0,11 para cada uno de ellos respectivamente. Si al armar una PC selecciona al azar uno de los chips y resulta con falla (F),
cul es la probabilidad de que el chip provenga de B?
Llamaremos A al suceso el chip proviene del fabricante A,
B al suceso el chip proviene del fabricante B y
C al suceso el chip proviene del fabricante C
En este caso se est pidiendo: P(B/F) y las probabilidades conocidas son:
P(A) = 1/3
P(B) = 1/3
P(C) = 1/3
Pues los tres proveen en la misma proporcin.
P(F/A) = 0,1
P(F/B) = 0,09
P(F/C) = 0,11
Aplicando lo anterior.
3% )
Segundo ejemplo.
3% ) 3) % 3%
=
3)
3)
3) % 3%
3) $3$ 3) %3% 3) &3&
0,09. 0,33
0,0297
P(B / F) =
=
0,1. 0,33 + 0,09. 0,33 + 0,11. 0,33 0,033 + 0,0297 + 0,0363
3% )
0,0297
0,099
61
9$5,$%/($/($725,$<',675,%8&,21(6'(352%$%,/,'$'
35,0(5(-(03/2
Retomaremos el ejemplo del comerciante que dispone de 8 casettes de videogame
de los cuales 2 estn fallados. Si concurren al negocio 3 clientes a comprar casettes,
todas las ventas posibles sern:
F
S
F
S
F
S
F
F
S
S
S
F
FFS
FSF
FSS
SFF
SFS
SSF
SSS
Los resultados posibles (ventas) no son valores numricos, pero si elegimos la variable ;FDQWLGDGGHFDVHWWHVIDOODGRVTXHVHYHQGLHURQ a cada resultado le va a
corresponder un nmero y de esta manera queda determinada la siguiente asignacin:
))6
)6)
6))
)66
6)6
66)
666
Los nmeros 0, 1 y 2 son los valores que puede tomar la variable X.
A esta aplicacin, que a cada resultado posible de un experimento aleatorio le asigna un valor numrico la denominamos
9DULDEOHDOHDWRULD
62
Primer ejemplo.
8QDYDULDEOHDOHDWRULDHVXQDIXQFLyQTXHDFDGDUHVXOWD
GRGHXQH[SHULPHQWRDOHDWRULROHDVLJQDXQQ~PHURUHDO
Al conjunto de todos los valores que asume una variable aleatoria lo llamamos UH
FRUULGR
&XDQGRHOUHFRUULGRGHXQDYDULDEOHDOHDWRULD;HVXQFRQMXQWRILQLWRR
LQILQLWRQXPHUDEOHVHODGHQRPLQDYDULDEOHDOHDWRULDGLVFUHWD
&XDQGRHOUHFRUULGRGHXQDYDULDEOHDOHDWRULD;HVXQFRQMXQWRLQILQLWR
QRQXPHUDEOHVHODGHQRPLQDYDULDEOHDOHDWRULDFRQWLQXD
=
P(x = 2) = P(FFS FSF SFF) = P(FFS) + P(FSF) + P(SFF) = =
7RWDO
63
Primer ejemplo.
Observamos que cada valor de la segunda columna vara entre 0 y 1 por ser una
probabilidad y la suma total de ellos es 1, pues coincide con la probabilidad del
espacio muestral.
/DIXQFLyQGHSUREDELOLGDGGHXQDYDULDEOHDOHDWRULDGLVFUHWDFXPSOHFRQODVVL
JXLHQWHVSURSLHGDGHV
La grfica de la funcin de probabilidad de una variable aleatoria discreta es el diagrama de bastones o el de puntos.
'LDJUDPDGHSXQWRV
GD
GOL
LE
DE
RU
3
9DORUHVGH;
Para toda variable aleatoria se puede calcular un nmero que indica el valor que de
ella se espera obtener, no necesariamente ese valor pertenece al recorrido de la variable. En el caso que estamos tratando nos puede interesar calcular cuntos casettes
fallados se espera vender en el negocio si concurren 3 clientes.
El valor que se espera de una variable aleatoria se denomina YDORUHVSHUDGRRHVSH
UDQ]DVHdenota (;y si la variable en cuestin es discreta,se define como:
(;=
[S[
[ 5[
64
Segundo ejemplo.
Puede verificarse que si X es una variable aleatoria discreta, el clculo de E(X) coincide con el de la media aritmtica.
Volviendo al ejemplo, VLDOQHJRFLRFRQFXUUHQFOLHQWHVSDUDFRPSUDUFDVHWWHVVH
HVSHUDYHQGHUQLQJXQRRXQRGHORVTXHHVWiQIDOODGRVpues:
E(X)= 0.5/4 + 1.15/28 + 2.3/28 = 0,75
6(*81'2(-(03/2
Si compramos un cuaderno Arte 21x27 y medimos el ancho de una hoja cualquiera de dicho cuaderno con distintas reglas, es difcil que con todas obtengamos exactamente 21 cm; pero s obtendremos aproximadamente 21 cm. Cuanto ms precisa
sea la regla ms nos acercaremos a la verdadera medida.
Lo mismo va a ocurrir si queremos medir el ancho de todas las hojas del cuaderno.
Es difcil que todas midan exactamente lo mismo.
No podemos afirmar que el ancho de una hoja del cuaderno mide exactamente 21
cm pero podemos decir que mide alrededor de 21 cm. En otras palabras, podemos
afirmar que el ancho de la hoja del cuaderno mide, por ejemplo, entre 20,5 cm y
21,5 cm.
Si consideramos a la variable aleatoria;: PHGLGDGHODQFKRGHXQDKRMDGHOFXD
GHUQR esta variable tendr un recorrido que puede ser cualquier nmero real comprendido, por ejemplo, entre 20,5 y 21,5.
Se observa que la variable aleatoria X tiene como recorrido un conjunto infinito no
numerable, entonces decimos que ;HVXQDYDULDEOHDOHDWRULDFRQWLQXD
Cuando una variable aleatoria es continua no se pueden listar todos los valores que
toma, pero s considerar intervalos de valores de su recorrido6; por tal motivo, en
este caso slo es posible calcular probabilidades para intervalos. Las probabilidades
puntuales son cero.
6
Esto coincide con lo observado en los ejemplos de estadstica referidos a variables continuas.
65
Segundo ejemplo.
La funcin de probabilidad de una variable aleatoria continua I[ permite calcular
las probabilidades para cualquier intervalo del recorrido de dicha variable,esta funcin se denomina IXQFLyQGHGHQVLGDGGHSUREDELOLGDGy su grfica puede tener
distintas formas.
Los siguientes son posibles grficos para una funcin de densidad de probabilidad.
I[
I[
[
I[
I[
3D[E
0
[
Estas funciones son algunos ejemplos de modelos a los cuales se puede aproximar
el grfico del polgono de frecuencias relativas correspondiente a una variable continua, cuando la base de los rectngulos del histograma respectivo tiende a 0.
Recordando que los polgonos de frecuencias relativas, de las distribuciones de frecuencias de variables continuas, encierran un rea igual a 1, tenemos que el rea
total que la funcin de densidad de probabilidad encierra respecto al eje de las abscisas es 1.
66
Segundo ejemplo.
8QDIXQFLyQI[HVGHGHQVLGDGGHSUREDELOLGDGGHXQDYDULDEOHDOHDWRULDFRQ
WLQXDVLFXPSOHFRQODVVLJXLHQWHVSURSLHGDGHV
HVPD\RURLJXDOTXHSDUDWRGRVORVYDORUHVUHDOHVGRQGHHVWiGHILQLGDOD
IXQFLyQ
HOiUHDHQFHUUDGDHQWUHODIXQFLyQ\HOHMHGHODVDEVFLVDVHV
ODIXQFLyQGHGHQVLGDGQRHVXQDSUREDELOLGDGSHURDWUDYpVGHHOODSRGH
PRVFDOFXODUODSUREDELOLGDGGHTXHODYDULDEOHDOHDWRULDVHHQFXHQWUHHQWUH
GRVYDORUHVD\E
(VWD SUREDELOLGDG HV LJXDO DO iUHD HQFHUUDGD SRU OD IXQFLyQ HO HMH GH ODV
DEVFLVDVODUHFWD[ D\ODUHFWD[ E
(MHUFLFLR
Por qu hemos afirmado anteriormente que si una variable aleatoria es continua,
las probabilidades puntuales son cero?
(Si x es una variable aleatoria continua entonces P(x = a) = 0)
(MHUFLFLR
Qu tipo de curva puede aproximar mejor el grfico de la funcin de densidad de
probabilidad, correspondiente a cada una de las siguientes variables aleatorias?
1. X: medida del ancho de una hoja del cuaderno del ejemplo.
2. X: estatura de un nio de 5 aos.
3. X: tiempo que tarda en quemarse una lamparita encendida
67
02'(/26
El objetivo de un modelo es describir y explicar determinados fenmenos o situaciones del mundo real, bajo condiciones especficas.
En este punto introduciremos dos de los modelos probabilsticos ms usados: SDUD
YDULDEOHVDOHDWRULDVGLVFUHWDVHO0RGHOR%LQRPLDO\SDUDYDULDEOHVDOHDWRULDVFRQ
WLQXDVHO0RGHOR1RUPDO
35,0(5(-(03/2
En una esquina transitada hay un cartel de propaganda y la experiencia previa indica
que de cada 20 personas que pasan por dicha esquina a cualquier hora del da, 8 leen
el cartel. Es decir, la probabilidad de que una persona que pase por esa esquina lea
el cartel es 8/20 (0,4).
Supongamos que por esa esquina, en un momento determinado pasan 3 personas,
que pueden leer (L) o no leer (N) el cartel.
Los resultados posibles son:
////
0,4
/1//1
0,4
0,6
/
0,4
0,6
0,4
1//1/
0,6
1/11
/1//
0,4
/11/1
0,4
0,6
0,6
1
0,6
0,4
1/11/
0,6 1111
La variable aleatoria discreta X: cantidad de personas que leen el cartel. Tiene un
recorrido Rx = {0,1,2,3}
Modelos.
Primer ejemplo.
En este caso la tabla de distribucin de probabilidades es la siguiente:
9DORUHVGH; 3UREDELOLGDGGHFDGDYDORU
() =
() () =
() () =
() =
WRWDO
D1. Se repite 3 veces la situacin de que una persona pase por esa esquina (n = 3)
y esas UHSHWLFLRQHVVRQLQGHSHQGLHQWHV.
2. Cada persona que pasa por la esquina, puede leer o no leer el cartel.
Existen nicamente dos resultados posibles: e[LWRR)UDFDVR.
Cantidad de xitos
Probabilidad de xito
3;
N
Q N
N = () ()
N
Probabilidad de fracaso
69
Modelos.
Primer ejemplo.
/DYDULDEOHDOHDWRULD;GHOHMHPSORWLHQH'LVWULEXFLyQ%LQRPLDOVHODVXHOHGHQR
PLQDUYDULDEOHDOHDWRULD%LQRPLDO
02'(/2%,120,$/
8Q H[SHULPHQWR DOHDWRULR VH SXHGH HVWXGLDU EDMR XQ PRGHOR
%LQRPLDO\VHGHQRPLQDH[SHULPHQWR%LQRPLDOVL
Q
N
Q N
(S) ( S)
N
Modelos.
Segundo ejemplo.
6(*81'2(-(03/2
Una empresa embotelladora de gaseosas compra una mquina para llenar botellas de
1 litro.
Puede pensarse que la mquina no llenar todas las botellas con un litro exacto de
gaseosa sino que el promediode llenado ser de un litro. Habr un desvo propio al
proceso de llenado, y ste depender de la precisin de la mquina; cuanto ms precisa, menor ser el desvo.7
Podemos suponer que:
- la probabilidad de que una botella tenga una capacidad inferior al promedio (1 litro) es la misma que la probabilidad de que tenga una capacidad
superior al promedio.
- la mayora de las botellas tendrn una capacidad de aproximadamente un
litro.
- es muy poco probable que la capacidad de una botella se aleje demasiado
del litro. Que tenga, por ejemplo, una capacidad inferior a 0,9 litros o superior a 1,1 litros.
La variable aleatoria X: capacidad de una botella de gaseosa, es una variable aleatoria continua.
Una funcin de densidad de probabilidad posible para esta variable tendr un grfico semejante al siguiente:
I[
El rea de esta regin es P(a < X < b)
DE
Si observamos varias botellas de igual capacidad, de una misma gaseosa, en el estante de una supermercado, podemos notar a simple vista que no todas tienen igual cantidad de lquido.
71
Modelos.
Segundo ejemplo.
&RQVLGHUDFLRQHV
A la media aritmtica la denominamos P y al desvo V
Si la media aritmtica cambia (considerar por ejemplo, como promedio de llenado
un litro o un litro y medio) pero el desvo se mantiene, la grfica de la funcin se
traslada sobre el eje de las abscisas.
Grficamente obtenemos la siguiente situacin:
V
P P ;
Si por el contrario, para la misma media el desvo es el que cambia, a medida que el
desvo crece la grfica de la funcin tiende a achatarse.
En este caso obtenemos:
V
V
V
V
P
;
72
Modelos.
Segundo ejemplo.
02'(/21250$/
El modelo normal es un modelo de distribucin de probabilidad de una variable
aleatoria continua. El mismo se ha convertido en el modelo de probabilidad ms
importante para el anlisis estadstico.
La distribucin normal fue descubierta en 1733 por De Moivre como la forma lmite
del modelo binomial, pero se le atribuy a Gauss debido a que fue el primero que
hizo referencia a ella en 1809.
8QDYDULDEOHDOHDWRULD;WLHQHGLVWULEXFLyQQRUPDOVL
(VFRQWLQXD
6XUHFRUULGRVRQWRGRVORVQ~PHURVUHDOHV
/DIXQFLyQGHGHQVLGDGHVODVLJXLHQWH
I[ =
H
V S
[ P
73
Modelos.
Segundo ejemplo.
68,27%
95,45%
99,73%
;P
V
74
Modelos.
Segundo ejemplo.
(-(03/2'($3/,&$&,1
Las estaturas de 300 estudiantes estn distribudas normalmente con media 1,70m y
desvo 10 cm. Si se elige un estudiante al azar cul es la probabilidad de que mida
menos de 1,60m?
La probabilidad pedida es P(x 1,60), si estandarizamos la variable X tenemos:
P(x 1,60) = P(z
1,60 1,70
) = P(z -1) = 0,1587
0,10
En la tabla que se adjunta obtenemos el rea para z 1, pero
como la funcin es simtrica,
coincide con el rea para z -1
;
=
Luego, ODSUREDELOLGDGGHTXHXQHVWXGLDQWHHOHJLGRDOD]DUPLGDPHQRVGHP
HV
Con este resultado, tambin podemos afirmar que:
HOGHGLFKRVHVWXGLDQWHVPLGHQPHQRVGHP
DSUR[LPDGDPHQWHGHORVHVWXGLDQWHVPLGHQPHQRVGHP
(MHUFLFLR
Con respecto a los datos del ejemplo anterior calcular:
1. La probabilidad de que un estudiante elegido al azar mida entre 1,65m y 1,75m.
2. Cuntos estudiantes miden menos de 1,50m?
3. Qu porcentaje de estudiantes mide entre 1,62m y 1,72m?
(MHUFLFLR
En una prueba de nivel tomada a 500 estudiantes, se obtuvo un puntaje promedio de
57,50 puntos y un desvo de 12 puntos. Suponiendo que la distribucin de los puntajes es aproximadamente normal:
1. Qu porcentaje de estudiantes tuvieron un puntaje superior a 60 puntos?
2. Qu porcentaje de estudiantes tuvieron un puntaje entre 40 puntos y 60 puntos?
75
5(638(67$$(-(5&,&,2635238(6726
(67$'67,&$
(MHUFLFLR
Cualitativas
Sexo.
Conformidad con los contenidos aprendidos en la escuela.
Materia preferida.
Desempeo escolar.
Cuantitativas
Cantidad de hermanos.
Edad en aos.
Promedio de las calificaciones obtenidas.
Sueldo mensual.
Cantidad de hijos.
Altura en metros.
(MHUFLFLR
Conformidad con los contenidos aprendidos en la escuela.
Desempeo escolar.
(MHUFLFLR
Cuantitativas discretas
Cantidad de hermanos.
Cantidad de hijos.
Cuantitativas continuas
Edad en aos.
Promedio de las calificaciones obtenidas.
Sueldo mensual.
Altura en metros.
IIUI
10 0,05
5
30 0,15 15
50 0,25 25
25 0,125 12,5
20 0,10 10
24 0,12 12
41 0,205 20,5
200 1
100
y el grfico:
I
$
&
'
76
'HSRUWH
6H[R
)
0
7RW
(MHUFLFLR
739
2.
7RW
9DULDEOH
Sexo.
Materia preferida.
Conformidad con los contenidos...
Desempeo escolar.
Cantidad de hermanos.
Edad en aos.
Promedio de las calificaciones...
Sueldo mensual.
Cantidad de hijos.
Altura en metros.
739
)0)0)0
0HGLGDV
Mo
Mo, Me
Mo, Me y X
(MHUFLFLR
3.
1. 154
2. Cantidad de hijos en edad escolar por familia.
4. Predominan las familias que tienen 2 hijos en
edad escolar.
El promedio es 1,44. Es decir 1 hijo por flia.
El 50% de las familias a lo sumo tienen 1 hijo
en edad escolar
I
;
(MHUFLFLR
V(X)= 1,117
DS = 1,057
R= 4
77
(MHUFLFLR
Cuando el intervalo anterior al intervalo modal tiene la misma frecuencia que el intervalo
posterior al intervalo modal. En ese caso d1 = d2
Reemplazando en la frmula queda: l + a (d1 / 2d1 ) = l + a (1 / 2) = l + a / 2.
(MHUFLFLR
2. X = 31,33
(MHUFLFLR
Resultados para C1:
X=
1222
= 17,46
1200
70
104,872
V(X) =
= 1,498
70
= 17,14
70
114,07
V(X) =
= 1,64
70
DS =
1,498 = 1,224
DS =
1,64 = 1,277
CV =
1,224
CV =
1,277
17,46
X=
.100 = 7,01
17,14
.100 = 7,33
352%$%,/,'$'
(MHUFLFLR
(MHUFLFLR
(MHUFLFLR
D P(V) = 20/45
G P(0H) = 9/45
E P(M) = 25/45
H P(V3H) = 1/45
F P(1H) = 22/45
(MHUFLFLR
(MHUFLFLR
. 15/36
. 20/36
. 16/36 + 15/36 - 10/36 = 21/36
(MHUFLFLR
(MHUFLFLR
(MHUFLFLR
(MHUFLFLR
D P(M) = 64/117
E P(5A/V) = 10/53
. P(C/S) =
(MHUFLFLR
. P(A/S) =
P(C S)
P(S)
P(A S)
P(S)
=
=
F P(5D/M) = 15/64
0,89.0,33
0,901
0,9.0,33
0,901
= 0.326
= 0,329
(MHUFLFLR
P(x = a) es el rea encerrada por la funcin, el eje de las abscisas y la recta x = a, y este
rea es 0.
(MHUFLFLR
Para las variables del primero y segundo
ejemplo:
[
(MHUFLFLR
P(E) = 0,4 = p
1-p = 0,6
k = 10
80
15
10
5
.0,4 .0,6 = 3003.0,000105.0,07776 = 0,0245
10
P(x=10)=
La probabilidad de que 10 de las 15 personas que pasan por esa esquina lean el cartel es
0,0245
(MHUFLFLR
El primero y el tercero
(MHUFLFLR
. P(1,65 x 1,75) = P(
1,65 1,70
1,75 1,70
) = P(0,5 z 0,5)
0,10
0,10
P(1,65 x 1,75) = 2.0,1915 = 0,383
P(x 1,50)= P(z -2)= 0,0228
De los 300 estudiantes el 2,28%, aproximadamente 7, miden menos de 1,50m.
. P(1,62 x 1,72)= P(-0,8 z 0,2)= 0,2881+ 0,0793= 0,3674
El 36,74% de esos estudiantes mide entre 1,62m y 1,72m.
(MHUFLFLR
81
%,%/,2*5$)$
82